2026年中职人工智能工程技术（AI基础应用）试题及答案

2026年中职人工智能工程技术（AI基础应用）试题及答案一、选择题（10题，每题3分，共30分）

1.下列哪项不是人工智能的主要应用领域？

A.自然语言处理

B.计算机视觉

C.量子计算

D.专家系统

2.人工智能的发展历程中，哪个阶段被认为是深度学习的兴起阶段？

A.1950年代

B.1960年代

C.2010年代

D.2020年代

3.下列哪种算法不属于监督学习？

A.决策树

B.神经网络

C.K-means聚类

D.支持向量机

4.以下哪个不是常见的机器学习评估指标？

A.准确率

B.召回率

C.F1分数

D.相关性系数

5.在人工智能系统中，哪种技术用于模拟人类的决策过程？

A.遗传算法

B.深度强化学习

C.专家系统

D.贝叶斯网络

6.下列哪项不是常见的自然语言处理任务？

A.机器翻译

B.情感分析

C.图像识别

D.命名实体识别

7.人工智能伦理问题中，哪项主要关注数据隐私？

A.算法偏见

B.数据泄露

C.技术滥用

D.职业替代

8.下列哪种技术用于提高人工智能系统的泛化能力？

A.数据增强

B.过拟合

C.参数优化

D.数据降维

9.人工智能在医疗领域的应用不包括：

A.医学影像分析

B.药物研发

C.智能家居

D.疾病预测

10.下列哪项不是人工智能的发展趋势？

A.边缘计算

B.云计算

C.人机协作

D.纯粹模拟

二、（一）多项选择题（5题，每题4分，共20分）

1.人工智能的主要技术包括：

A.机器学习

B.深度学习

C.自然语言处理

D.计算机视觉

E.专家系统

2.人工智能的发展阶段包括：

A.萌芽阶段

B.探索阶段

C.应用阶段

D.深度学习阶段

E.超智能阶段

3.机器学习的常见算法包括：

A.决策树

B.神经网络

C.支持向量机

D.K-means聚类

E.贝叶斯网络

4.人工智能系统的评估指标包括：

A.准确率

B.召回率

C.F1分数

D.精确率

E.相关系数

5.自然语言处理的主要任务包括：

A.机器翻译

B.情感分析

C.命名实体识别

D.语音识别

E.文本生成

（二）判断题（5题，每题4分，共20分）

1.人工智能的目标是创造出具有人类智能的机器。（正确）

2.深度学习是机器学习的一个子领域。（正确）

3.机器学习算法不需要大量的数据进行训练。（错误）

4.人工智能伦理问题主要关注技术滥用。（错误）

5.人工智能在医疗领域的应用不包括疾病预测。（错误）

三、（一）填空题（5题，每题4分，共20分）

1.人工智能的三个主要分支是：机器学习、______和______。

2.机器学习中的监督学习是指通过______来训练模型。

3.自然语言处理中的主要任务之一是______。

4.人工智能系统中的评估指标之一是______。

5.人工智能的发展趋势之一是______。

（二）计算题（5题，每题4分，共20分）

1.假设一个分类模型的准确率为90%，召回率为80%，求其F1分数。

2.假设有1000个样本，其中500个属于正类，500个属于负类，一个分类模型预测了600个正类，其中550个是真正的正类，求其精确率。

3.一个神经网络有输入层、隐藏层和输出层，输入层有10个神经元，隐藏层有20个神经元，输出层有5个神经元，请描述其结构。

4.假设一个数据集有4个特征，每个特征的取值范围是0到1，请描述如何进行数据归一化。

5.一个分类模型在训练集上的准确率是95%，在测试集上的准确率是90%，请分析可能的原因。

四、综合题（10分）

请简述人工智能在医疗领域的应用，并分析其优势和挑战。

五、材料分析题（10分）

假设一个公司计划开发一个人工智能系统来预测客户的购买行为，请分析其可能的技术路线、数据需求、评估指标和潜在问题。

答案部分：

一、选择题

1.C

2.C

3.C

4.D

5.C

6.C

7.B

8.A

9.C

10.D

二、（一）多项选择题

1.A,B,C,D,E

2.A,B,C,D,E

3.A,B,C,D,E

4.A,B,C,D

5.A,B,C,D,E

（二）判断题

1.正确

2.正确

3.错误

4.错误

5.错误

三、（一）填空题

1.深度学习、计算机视觉

2.标签

3.命名实体识别

4.准确率

5.边缘计算

（二）计算题

1.F1分数=2*(精确率*召回率)/(精确率+召回率)=2*(0.9*0.8)/(0.9+0.8)=0.8

2.精确率=真正正类/预测正类=550/600=0.9167

3.输入层有10个神经元，隐藏层有20个神经元，输出层有5个神经元。

4.数据归一化是将每个特征的取值范围缩放到0到1之间，常见的方法有最小-最大归一化。

5.训练集上